جستجو در سایت

تماس با ما: 09361509687  ایمیل: royalproje.ir[ at ]gmail.com

Get Started

از آنجا که لبه مبتنی برنمايش شکل و محاسبه شباهت نقش حیاتی در بازیابی تصویر وبرنامه های کاربردی نظارت دارد، بسیاری از آثار در این زمینه انجام شده است وبرخی از مقالات مرتبط در زیر معرفی شده اند. Mallat و همکاران. [22] از ردياب لبه اي canny با نمايش چندتحليلي معادل تبديل موجك استفاده كرده اند و ادعا ميكنند كه نمايش يك تقريب نزديك از سيگنال هاي يك بعدي و دو بعدي از لبه هاي چند مقياسي شان بازسازي ميكند.

اما برای تصاویر شلوغ، کیفیت بازسازی ضعیف است و نميتواند بين شلوغي و لبه ها تفاوت قائل شود. فنگ و همکاران. [23] يك بررسي ويژگي لبه محور براي تصاوير سندي مبتني برتبديل موج پيشنهاد داده اند. در این روش، تصویربه مجموعه ای از ضرایب  تقریب موجك وضرايب جزئیات تجزيه ميشود.تصوير لبه بر اساس تكنيك بازسازي موجك با دور انداختن ضرايب تقريبي موجك استخراج ميشود. اگرچه اين نویسندگان ادعا ميكنند که این روش با توجه به حافظه و زمان محاسبات، موثر است ،اما برای مقیاس های مختلف و چرخش مناسب نیست. G. Fude و همکاران. [24] يك تشخیص لبه با قابلیت زوم اتوماتیک بر اساس تجزيه و تحليل موجک وفیلتر گاوسی گزارش كرده اند. در این روش، زمان در فرکانس هاي  بالا تقسيم ميشود و فرکانس هاي پایین به صورت خودکار برای تغییر و تبدیل مقیاس تصویر لبه تقسيم ميشوند. هسیهو همکاران [25] یک تبديل موجک غیر متعامد پیشنهاد کرده اند که دنباله رو سه معیار Canny برای تشخیص لبه است و ثابت شده است كه نسبت به روش پيشنهاد شده در[22} عملكرد بهتري دارد. P. Akhtarو همکارانیک چارچوب برای تشخیص لبه و ارتباطبا موجک و ترکیب تصویر پیشنهاد کرده اند. این روش رفتارهای  خطي وغیر خطی ساخت و ساز موجک  را با هم تركيب ميكند و همچنین ادعاميشود كه اين روش شبیه به سیستم بصری انسان است.نقاط لبه از تصویر استخراج شده است و ایننقاط تبدیل به یکی ویژگی شکل در پرس و جو بوسيله ي سيستم مثال بصری (QVE)ميشود.[27]. سپس تشابه شکل با محاسبه ارتباط بین طرح پرس و جو و تصاویر لبه پایگاه داده بدست ميايد. .جین و همکاران.[28،[29] ازدو مجموعه از ویژگی های شکل برای توصیف اطلاعات مربوط به شکل جهانی استفاده کرده اند. این ویژگی ها72 بينهیستوگرام جهت لبه شکل و هفت لحظه ي نامتغير هستند. RautkorpiR.و همکاران [30]  ویژگی شکل آماری به نام ماتریس   وقوع همزمان لبه (ECM)برای طبقه بندی و بازیابی پيشنهاد كرده اند.

ECM بر اساس احتمال مشترک جهت هاي لبه دو پیکسل درجابه جایی خاص در یک تصویرمحاسبه ميشود. آنها ادعا ميكنند که ECMنسبت به دیگر توصيف گرهای شکل مانند MPEG-7 وتوصيف گرهای شکل ساده (SSD) عملكرد خوبي دارند. اما در این روش  اگر جابجایی بین لبه پیکسلافزایش یابد ميزان طبقه بندی کاهش می یابد. هیستوگرام تطبیقی ​​تراکم سلسله مراتبی (AHDH)
شکل توصیف مبتنی بر بازیابی تصویر دوتایی است که در [31] ارائه شده است.توصيف گرشكل هیستوگرام تطبیقی ​​تراکم سلسله مراتبی (AHDH)مبتنی بر بازیابی تصویر دوتايي در [31] ارائه شده است.

AHDH مشخصه هاي محلی و جهانی در منطقه تصویررا باهم تركيب ميكند و و می تواند در انواع پایگاههايداده تصویر دوتايي مانند MPEG-7 و پایگاه داده آر . X به كار رود. Ma و همکاران . [32] يك نمايش ويژگي شكل مبتني بر لبه در طبقه بندی خودرودربرنامه نظارت گزارش كرده اند. در این کار،ويژگي هاي شكل مكرر و تمييز دهنده ي مبتني بر نقاط لبه و توصيفگرهاي SIFT اصلاح شده براي طبقه بندی خودرو استفاده می شوند.. N. Dalalو همكاران [33] شبکه های هیستوگرام گرادیانمحور (HOG).برای تشخیص انسان معرفي كرده اند  و ادعا ميكنند که این روش  نسبت به ديگر توصيف كننده هاي شكل مبتني بر گراديان و لبه بهتر است. K. Mikolajczyk. و همکاران. [34] یک روش برای شناساييشکل اشیاء ضعیف بافت بر اساس ویژگی های لبه پيشنهاد كرده اند.در این روش، ویژگی های محلی مبتني بر لبه از هیستوگرام قدر شیب و جهت شیب محاسبه ميشوند و با SIFT تنظيم ميشوند. استخراج ويژگي شكل نامتغير مقياس در[35] معرفي شده است كه در آن،  ویژگی های شکل محلی از یک شی بر اساس انرژی و آنتروپی لبه نقطه استخراج ميشود. . X.Zhengو همکاران [36] یک روش برای نمايش و بازیابی تصویر طبیعی بر اساس شكل پیشنهاد کرده اند. آنها از یک روش به نام زبان شكل ادراكي (PSL) برای نمايش  موثراستفاده كردند.

. PSLدر دو مرحله محاسبه ميشود.در مرحله ي اول و دوم به ترتيب تجزيه مبتني بر لبه ونشانه هاي لبه ادراكي استخراج ميشوندتا شكل شيء را كد گذاري كنند.همچنين ادعا ميشود كهPSLنسبت به رويكردهايي باتوصيف گرهاي fourier بهتر عمل ميكند.

M.Kubo وهمكاران[37] يك تكنيك براي نشان دادن،دسته كردن وبازيابي تصوير بر اساس ويژگي هاي شكل با موجك Haar پيشنهاد كرده اند.در اين روش تصاويربا استفاده از تبديل موجك Haar به  چندين باند فركانس تجزيه ميشوند تا تصاوير لبه را توليد كنند.تابع همبستگي مرتبه ي بالاتر بر روي تصوير لبه اعمال ميشود تا ويژگي هاي لبه استخراج شوند كه درتغيير،اندازه و سطح خاكستري تغييرناپذيرندL.Kunttu. و همكاران [38] يك توصيف گر فورير چند معياري براي بازيابي تصوير بر اساس شكل معرفي كرده اند.اين توصيف گر با اعمال  تبديل موجك پيچيده به تابع هاي كرانه ي يك شيء استخراج شده ازتصوير تشكيل ميشود.بعد از ان تبديل فوريردر ضرايب موجك در چندين مقياس براي استخراج ويژگي شكل نامتغير چرخش اعمال ميشود.M.Jianوهمكاران [39] يك روش موثر براي بازيابي تصويرموثر علامت تجاري بر اساس ويژگي شكل بدون قطعه قطعه سازي پيچيده ي تصوير پيشنهاد كرده اند.اين روش از دو مرحله تشكيل شده است: ابتدا كشف لبه بر اساس تبديل موجك و در مرحله ي دوم ويژگي هاي تصوير  مبتني بر لبه محاسبه ميشوند.اين ويژگي ها حاوي اطلاعات جهتي در جهت هاي افقي، عمودي ،مورب و ضدمورب هستند.اگرچه تجزيه و تحليل چند مقياسي مبتني بر موجك براي استخراج لبه ضروري است، روش هاي موجود مبتني بر موجك از مراحل چندگانه ي تبديل براي استخراج لبه ها به قيمت پيچيدگي محاسبه اي بالا با نوعي از عملكرد بازيابي نزول يافته استفاده ميكنند.از اين رو در اين مقاله يك استخراج شكل جديد مبتني بر لبه با مدل چندجمله اي متعامد بهبود يافته ي چند تحليلي پيشنهاد ميشود. ويژگي هاي اصلي روش پيشنهادي به صورت زير هستند:

(i) مجموعه اي از مدل چند جمله اي متعامد پيشنهاد ميشود.ضرايب مدل در يك ساختار زيرباند چندتحليلي مجددا مرتب شدند.

(ii) استراج تصوير لبه ازقدر شيب زيرباندها با استفاده ازاستانه هاي انطباقي دو سطحي وماكسيما محلي شيب در جهت هاي افقي، عمودي، مورب و ضدمورب.

(iii) استخراج كرانه ي تقريبي شكل با عمليات هاي مورفولوژيكي.

(iiii) استخراج ويژگي شكل سراسري بر اساس لحظه ي شبه زرنيك نامتغير.

اين مقاله به صورت زير سازماندهي شده است: در بخش 2، تكنيك بازيابي تصويرپيشنهاد شده  با مدل چندجمله اي متعامد اورده شده است.در اين بخش همچنين يك تشريح دقيق در مورد محاسبه ي  ضرايب مدل چند جمله اي متعامد و مرتب كردن دوباره ي انها به يك ساختار زيرباند مانند چند تحليلي اورده شده است.استخراج لبه ي پيشنهاد شده و ارتباط با عمليلات مورفولوژيكي در بخش سه اورده شده است.محاسبه ي ويژگي هاي شكل مبتني بر لحظه ي شبه زرنيك نامتغيردر بخش 4 شرح داده شده است.سيستم متريك ارزيابي عملكرد سيستم CBIR پيشنهاد شده در بخش 5 مورد بحث قرار گرفته است. در بخش 6 نتايج ازمايشي روش پيشنهاد شده و مقايسه ي ان با روش هاي مبتني بر موجك Haar اورده شده است.در اخر نتيجه گيري در بخش 7 امده است.

اشتراک برای
آپ دیت ودریافت خبرها